Reconocimiento de Emociones en la Lengua no Aprendida
Fecha:
07/2021Palabra clave:
Tipo de Ítem:
masterThesis
Resumen:
En este estudio se llevó a cabo un reconocimiento emocional de la voz multi-lingüístico.
Para ello, se implementaron tres modelos distintos entrenados en inglés, y posteriormente
fueron evaluados en dos lenguas extranjeras que no formaron parte del entrenamiento
(francés y alemán). Las características cepstrales de la escala de Mel se extrajeron a partir
de las muestras de audio y fueron usadas en los tres clasificadores con una arquitectura
basada en redes convolucionales. El uso de espectrogramas en una arquitectura híbrida
de redes convolucionales y LSTM se mostró superior frente a los otros, consiguiendo un
92.06% de exactitud en una clasificación monolingüística. Por otro lado, la clasificación
multi-lingüística no arrojó resultados satisfactorios aplicando el mismo método.
Descripción:
This work performs a speech emotional recognition through three languages. For this
purpose, three different models have been implemented and trained in english, and subsequently tested in other two languages which never took part in the training (french and german). It is assumed that speech audio signals carry emotional information that can
be retrieved and hence MFCC features are extracted since they are recognized as best
suited to represent emotions through prosody. Different classifiers based on convolutional neural network (CNN) architecture were used (unidimensional CNN, bidimensional CNN and LSTM-CNN). The results show that CNN-LSTM outperforms over the other options with a 92.06% of accuracy in a monolinguistic clasification in english, while appliying the same approach in a cross language classification did not deliver satisfactory results.
Ficheros en el ítem
